As determinantes locais da paradiplomacia: o caso dos municípios ...

Logrou-se a adequação ao pressuposto de forma quase perfeita. Tanto o VIF quanto a
tolerância respeitaram completamente os pontos de cortes presentes na literatura, o valor da
média de VIF ficou apenas um pouco acima de 1 (≠0,3) e o conditional number também se
aproximou bastante de 30 (≠0,8).
5.2.6 Overdispersion
Foi apresentado rapidamente no capítulo anterior o que representa o overdispersion.
Para relembrar, ele acontece quando a variância esperada pelo modelo é menor do que a que
realmente se observa (desrespeitando o pressuposto de independência) ou devido à
variabilidade das probabilidades do evento. A consequência negativa da infração do problema
é a presença de erros padrão muito pequenos, comprometendo a estatística Wald
(superestimando-o) e os intervalos de confiança que ficam muito estreitos, assim, crê-se que
há mais impacto da nossa variável no resultado do que realmente existe (erro tipo 1).
Existem diversas formas de captar se existe ou não overdipersion entre os dados.
Fez-se uso de uma que se crê ser mais simples e efetiva, presente em Field (2009). A
princípio, a ideia é de que o goodness of fit qui-quadrado dividido pelos graus de liberdade
(parâmetro de dispersão), dando um resultado maior do que 1 representa overdispersion. Da
mesma forma, quando o deviance goodnesss of fit dividido pelos graus de liberdade é maior
que 1 se observa overdispersion. Se há problemas, é necessário corrigi-los multiplicando os
desvios padrões pela raiz quadrada do parâmetro de dispersão, que pode ser o qui-quadrado de
Pearson ou do deviance. Rodando as rotinas para encontrar os valores, levantaram-se os
seguintes scores, sumarizados na tabela 14.
Tabela 14 - Teste goodness of fit qui-quadrado e de desviância para teste de
overdispersion
Logistic model for aint, goodness-of-fit test
number of observations = 5463
number of covariate patterns = 5463
Pearson chi2(5451) = 2206.77
Prob > chi2 = 1.0000
Logistic model deviance goodness-of-fit test
number of observations = 5463
number of covariate patterns = 5463
deviance goodness-of-fit = 326.76
degrees of freedom = 5451
Prob > chi2 = 1.0000
214